用户画像分析案例带你轻松了解什么是用户画像分析!——九数云BI

标签: 用户画像分析案例 | 发布时间: 2024-09-25 20:55:39

用户画像分析案例可以帮助我们更生动形象的理解用户画像分析相关知识,下面和九数云一起来看看吧!

用户作为企业经营的对象,影响着企业的发展,了解和分析用户相关行为习惯,建立用户画像十分有必要,下面我们通过一些用户画像分析案例来加深理解!

01 用户画像分析案例:用户画像实例

天高气爽,凉风微抚,爸比带着Coco出去玩,在某个湖边看到好多人在放风筝。突发奇想:我们也去放吧!Coco表示:嗯!于是俩人一起去走鬼(广东话,指无证流窜小摊贩)大叔那买风筝。

用户画像分析案例带你轻松了解什么是用户画像分析!——九数云BI插图

看到coco喜欢,爸比就准备掏钱了,然而峰回路转,没想到又有下边一段:

用户画像分析案例带你轻松了解什么是用户画像分析!——九数云BI插图1

然后爸比就和coco愉快地放风筝去了。可事后一想:我勒个大槽,这不就是基于用户画像的,用推荐系统提升交易的完整流程吗!数据采集-打标签-产品推荐-向上销售一气呵成,还做了二次推荐,把成交率和客单价分开提升,真是巧妙。

用户画像分析案例带你轻松了解什么是用户画像分析!——九数云BI插图2

虽然大叔没有啥大数据系统,也不懂写代码,可这办事的思路,却远远胜过还在到处问“推荐风筝的算法有哪些”“BAT是怎么卖风筝的?”“我是互联网风筝行业的,有没有懂互联网风筝问题的大佬”的新人了,毕竟实践出真知,抄袭降智商。

然而仔细一想,事情并没有这么简单:卖玩具的多了去了,为什么偏偏是风筝呢?

 

02 用户画像分析案例:用户画像的真正用途

常溜娃的家长都很熟悉,在公园、池塘、草地附近,都有小摊贩卖泡泡棒、玩具枪、魔法棒、挖沙工具、风筝一类玩具。看似都是卖玩具,可细细品来,不同玩具的差异非常明显。

玩具枪、魔法棒:

这一类玩具款式非常重要!是不是巴啦啦小魔仙的魔法棒,是不是吃鸡的98K,直接决定了小朋友买不买。这是典型的:爆款驱动。爆款是可以人为创造的。这里考的就是业务设计、推广能力。选款不行,一切白费。再好的推荐系统也帮不上忙。

泡泡棒:

这一类玩具卖点很突出:漫天泡泡飞啊飞。所以丫根本不需要推荐。你只需要埋伏在路边,等着一群小朋友走过来,然后往天上一呼,哗啦啦好多泡泡向小朋友方向飞去。然后就十有八九有小朋友想买。这是典型的:体验驱动。这里考的是销售能力,让用户体验到效果。不然不让体验,光叨逼叨推荐,还是会丢掉。

挖沙桶:

这玩意同质化程度非常高(一个方头铲、一个尖头铲、一个耙子,一个小铲,一个贝壳模型,一个海星模型,一个小桶,全国同款)。而且功能非常明确、单一:挖沙!对家长而言,没啥好说的,便宜就买,贵了就不买,典型的:价格驱动。这里考的是定价,价格贵了,再推荐,家长也不当冤大头。

相比之下,风筝非常独特:

● 风筝撑开的话体积太大,不容易陈列,不容易供客户挑选。

● 风筝的花色、尺寸、图形,确实很多人会在意。你还不能不让人家挑。

● 风筝单价相对较高,卖贵了,大人分分钟掉头走人,卖便宜了不挣钱。

特别是对于走鬼大叔,真要是把风筝都摊在地上,估计城管来了跑都跑不掉!而且摊几十个风筝在地上,卖相也很差,家长挑选也很辛苦。

要知道,很少家长是心甘情愿带着孩子去小摊上买东买西的。大部分都是怕/被孩子又哭又闹的苟且之计。所以多增加一点选择负担,就多一点损失客户的几率。因此推荐系统在这里就很好用。

对比这四个品类,我们发现:推荐系统只是商品管理的一个辅助工具而已,适用于非爆款、品类间有一定差异的产品。

但是,商品管理的每一种战术,都和用户画像有关,理解用户,才能精准地满足需求。所以不要一提用户画像就想到推荐上去了,还有更多工作可以做呢(如下图所示)。

用户画像分析案例带你轻松了解什么是用户画像分析!——九数云BI插图3

 

03 用户画像分析案例:有用的用户画像为什么难做!

既然用户画像这么好用。那为什么我们总觉得,用户画像是搞了一堆数据堆在那,最后屁用没有呢?因为想做出有用的用户画像,需要规避太多的坑了。

坑点一:没有明确干什么

如果走鬼大叔见了家长,不问人家买什么,在那谈天说地瞎聊天。他还能卖出风筝吗?当然不行,可能扯淡是扯个爽的。这就是有目标和无目标的区别。对应到工作中,很多人做用户画像是基于:“领导要求做”“我看人家都在做”。

至于:

● 做了干啥?

● 哪个部门用?

● 用在什么场景?

● 提升什么指标?

● 这个指标当前是多少?

● 预计提升多少?

● 提升指标需要什么配套?

完全没想过

这要是做出来有用,就见鬼了。╮(╯▽╰)╭

坑点二:数据质量没保障

注意,大叔明明看到了一个爸比+一个小朋友走过来,可他还是问了:“大人放还是小孩放?”没有想当然,这是专业性的表现。因为玩具是一个典型的使用者和购买者分离的场景,特别是风筝,大人小孩都可以玩。这时候确认真实性是很重要的。

对应到工作中,就是我们常说的数据质量。数据质量是一切分析的前提,而很多公司是低估了数据采集的严谨性的。在所谓“标签扩散法”出来以后,更有一帮做数据的新人,自己都以为不要采集,只要有算法就能算出真实数据了,这就真的是自断生路了。数据质量,永远都是越高越好。

坑点三:不打标签只捞数

注意,大叔问的是一个标签,不是一个原始数据。比如大人也可能有身高150,小孩也可能身高150。那为什么要问标签,而不是一个具体数值呢?一来问标签数据采集难度小,二来孩子这个标签不但代表了身高,也代表了审美,作用远比原始数据丰富。

这就是标签作用的直观体现:含义丰富,使用方便。这也是为啥采集了数据,还得继续打标签的原因。标签是经过提炼,有含义的数据分类,比原始数据要有用的多。

坑点四:效果缺少验证,更没有迭代

说到标签有用,于是就有人患上了标签狂热症,疯狂打标,不管丫有用没用,有多大用,总之标签越多越好。可没有验证过效果的标签,跟没有一样。更不要提基于初级标签,再制作更复杂的二级,三级标签了。

有意思的是,走鬼大叔就用了二级标签的策略。注意,如果一开始就说:普通风筝20,儿童风筝30,那很有可能家长就直接选20的了。如果一开始说:风筝30,有可能把家长吓跑。

但是先确认家长愿意买,再推荐一个“不伤手”的贵点的绕线轮,成功率就大大提升。因为已经确认了:这个家长肯迁就孩子,那肯迁就孩子的家长,肯定大概率会买个贵的。实际上,不完全统计,现场有一半都是“不伤手”的绕线轮,嘿嘿,其中滋味,你品,你细品。

04 小结

对于许多0基础的人而言,用户画像分析确实复杂,推荐大家找到合适自己的软件辅助,比如许多人都在用的九数云BI,它可以深入了解用户的行为和需求,优化网站内容和功能,提升用户体验和转化率。无论是客户画像、访客分类、站内搜索词分析等都可以轻松搞定,可以为企业提供了宝贵的决策依据。



上一篇:
下一篇:
相关内容